OpenAI 机器人炸裂登场！ChatGPT 终于有身体了，能说会看还能做家务
内容提要
OpenAI的机器人Figure 01展示了其能力，通过OpenAI强大的模型支持，它可以识别物体、理解指令并解释自己的行动。该机器人还可以执行家务，引起了网友们的关注和兴奋。Figure 01的发展迅速，它已经学会了制作咖啡和搬运箱子等新技能。OpenAI的大规模多模态模型的整合使得Figure 01能够理解周围环境、应用常识推理并执行适当的动作。Figure 01的进展标志着未来机器人的具备智能化的潜力。
延伸解读
技术架构：分层设计实现智能与敏捷
Figure 01 的能力源于分层架构：OpenAI 多模态大模型负责理解图像、文本和对话历史，进行常识推理并生成高级计划；视觉-运动转换器策略将图像像素直接映射为动作，以每秒10帧接收图像并生成每秒200次的24自由度动作；全身控制器则确保动作的安全稳定。这种设计分离了认知与执行，使机器人既能智能决策又能快速反应。
发展速度：从制作咖啡到商业合作
Figure 01 的进步迅速：今年1月学会制作咖啡，仅需10小时训练；一个月后掌握搬运箱子技能，速度达人类16.7%；随后与宝马签订商业协议，将AI和机器人技术融入汽车生产线；两周前完成6.75亿美元B轮融资，估值达26亿美元。这些里程碑显示其技术迭代和商业化步伐正在加快。
成本潜力：未来或低于廉价电动汽车
Figure AI 创始人 Brett Adcock 透露，人形机器人约有1000个零件，重约68公斤，而电动汽车约有1万个零件，重达1800-2250公斤。因此，长期来看，人形机器人的成本有望低于廉价电动汽车，具体取决于执行器、电机组件、传感器及计算成本。这为未来普及提供了经济可行性。
行业意义：具身智能的曙光
Figure 01 展示了 OpenAI 多模态大模型与机器人躯体结合的可能性，实现了环境理解、常识推理和模糊指令转化。英伟达创始人黄仁勋曾指出“具身智能将引领下一波人工智能浪潮”。OpenAI 与 Figure 共同开发下一代人形机器人AI模型，标志着大模型正从数字世界走向物理世界，通用机器人时代或许不再遥远。
Q&A
Figure 01 机器人具备哪些能力？
Figure 01 能够识别物体、理解指令、解释自己的行动，并执行家务，如制作咖啡和搬运箱子。
Figure 01 是如何学习和执行任务的？
Figure 01 通过学习获得行为，利用 OpenAI 的多模态模型处理图像和语音，生成语言响应并执行相应的动作。
Figure 01 的发展速度如何？
Figure 01 的发展速度非常迅猛，短时间内掌握了多项技能，并与宝马签订了商业协议。
Figure 01 如何与人类进行沟通？
Figure 01 能够流畅地与人类沟通，理解指令并用简单的语言解释其行为。
未来人形机器人的成本预期如何？
未来人形机器人的成本有望低于廉价电动汽车，主要取决于执行器、电机组件和传感器的成本。
Figure 01 的技术背景是什么？
Figure 01 基于 OpenAI 的大规模多模态模型，结合视觉-运动转换器策略，实现复杂的双手操作技能。
